WinUI(WASDK)使用ChatGPT和攝像頭手勢識別結合TTS讓機器人更智能

来源:https://www.cnblogs.com/GreenShade/archive/2023/03/11/17201961.html
-Advertisement-
Play Games

前言 之前寫過一篇基於ML.NET的手部關鍵點分類的博客,可以根據圖片進行手部的提取分類,於是我就將手勢分類和攝像頭數據結合,集成到了我開發的電子腦殼軟體里。 電子腦殼是一個為稚暉君開源的桌面機器人ElectronBot提供一些軟體功能的桌面程式項目。它是由綠蔭阿廣也就是我開發的,使用了微軟的WAS ...


前言

之前寫過一篇基於ML.NET的手部關鍵點分類的博客,可以根據圖片進行手部的提取分類,於是我就將手勢分類和攝像頭數據結合,集成到了我開發的電子腦殼軟體里。

電子腦殼是一個為稚暉君開源的桌面機器人ElectronBot提供一些軟體功能的桌面程式項目。它是由綠蔭阿廣也就是我開發的,使用了微軟的WASDK框架。

電子腦殼算是本人學習WinUI開發的練習項目了,通過根據一些開源的項目的學習,將一些功能進行整合,比如手勢識別觸發語音轉文本,然後接入ChatGPT結合文本轉語音的方式,實現機器人的對話。

此博客算是實戰記錄了,替大家先踩坑。

下圖鏈接為機器人的演示視頻,通過對話,讓ChatGPT給我講了一個駱駝祥子的故事,只不過這個故事有點離譜,本來前部分還正常,後面就開始瞎編了,比如祥子有了一頭驢,最後還成為了商人。

大家觀看覺得不錯的話給點個贊。

B站視頻演示鏈接

具體的實現方案

1. 方案思路敘述

整體的流程如下圖,圖畫的不一定標準,但是大體如圖所示:
識別流程圖

  • 處理攝像頭幀事件,通過將攝像頭的幀數據處理進行手勢的匹配。
  • 手勢識別結果處理方法調用語音轉文本邏輯。
  • 轉的文本通過調用ChatGPT API實現智能回覆。
  • 將回覆結果文本通過TTS播放到機器人上的揚聲器,完成一次對話。

2. 所用技術說明

代碼講解

1. 項目介紹

電子腦殼項目本身是一個標準的MVVM的WinUI項目,使用微軟的輕量級DI容器管理對象的生命周期,MVVM使用的是社區工具包提供的框架,支持代碼生成,簡化VM的代碼。

project

2. 核心代碼講解

  • 實時視頻流解析手勢,通過命名空間Windows.Media.Capture下的MediaCapture類和Windows.Media.Capture.Frames命名空間下的MediaFrameReader類,創建對象並註冊幀處理事件,在幀處理事件中處理視頻畫面並傳出到手勢識別服務里進行手勢識別,主要代碼如下。

    //幀處理結果訂閱
    private void Current_SoftwareBitmapFrameCaptured(object? sender, SoftwareBitmapEventArgs e)
    {
        if (e.SoftwareBitmap is not null)
        {
    
            if (e.SoftwareBitmap.BitmapPixelFormat != BitmapPixelFormat.Bgra8 ||
                  e.SoftwareBitmap.BitmapAlphaMode == BitmapAlphaMode.Straight)
            {
                e.SoftwareBitmap = SoftwareBitmap.Convert(
                    e.SoftwareBitmap, BitmapPixelFormat.Bgra8, BitmapAlphaMode.Premultiplied);
            }
            //手勢識別服務獲取
            var service = App.GetService<GestureClassificationService>();
            //調用手勢分析代碼
            _ = service.HandPredictResultUnUseQueueAsync(calculator, modelPath, e.SoftwareBitmap);
        }
    }
    

    涉及到的代碼如下:

    MainViewModel

    CameraFrameService

  • 語音轉文本的實現,WinUI(WASDK)繼承了UWP的現代化的UI,也可以很好的使用WinRT的API進行操作。主要涉及的對象為命名空間Windows.Media.SpeechRecognition下的SpeechRecognizer對象。

    官網文檔地址語音交互 定義自定義識別約束

    以下是語音轉文本的部分代碼 詳細代碼點擊文字

    //創建識別為網路搜索
    var webSearchGrammar = new SpeechRecognitionTopicConstraint(SpeechRecognitionScenario.WebSearch, "webSearch", "sound");
            //webSearchGrammar.Probability = SpeechRecognitionConstraintProbability.Min;
            speechRecognizer.Constraints.Add(webSearchGrammar);
            SpeechRecognitionCompilationResult result = await speechRecognizer.CompileConstraintsAsync();
    
            if (result.Status != SpeechRecognitionResultStatus.Success)
            {
                // Disable the recognition buttons.
            }
            else
            {
                // Handle continuous recognition events. Completed fires when various error states occur. ResultGenerated fires when
                // some recognized phrases occur, or the garbage rule is hit.
                //註冊指定的事件
                speechRecognizer.ContinuousRecognitionSession.Completed += ContinuousRecognitionSession_Completed;
                speechRecognizer.ContinuousRecognitionSession.ResultGenerated += ContinuousRecognitionSession_ResultGenerated;
            }
    
  • 語音轉文本之後調用ChatGPT API進行對話回覆獲取,使用ChatGPTSharp封裝庫實現。

    代碼如下:

    private async void ContinuousRecognitionSession_ResultGenerated(SpeechContinuousRecognitionSession sender, SpeechContinuousRecognitionResultGeneratedEventArgs args)
    {
        // The garbage rule will not have a tag associated with it, the other rules will return a string matching the tag provided
        // when generating the grammar.
        var tag = "unknown";
    
        if (args.Result.Constraint != null && isListening)
        {
            tag = args.Result.Constraint.Tag;
    
            App.MainWindow.DispatcherQueue.TryEnqueue(() =>
            {
                ToastHelper.SendToast(tag, TimeSpan.FromSeconds(3));
            });
    
    
            Debug.WriteLine($"識別內容---{tag}");
        }
    
        // Developers may decide to use per-phrase confidence levels in order to tune the behavior of their 
        // grammar based on testing.
        if (args.Result.Confidence == SpeechRecognitionConfidence.Medium ||
            args.Result.Confidence == SpeechRecognitionConfidence.High)
        {
            var result = string.Format("Heard: '{0}', (Tag: '{1}', Confidence: {2})", args.Result.Text, tag, args.Result.Confidence.ToString());
    
    
            App.MainWindow.DispatcherQueue.TryEnqueue(() =>
            {
                ToastHelper.SendToast(result, TimeSpan.FromSeconds(3));
            });
    
    
            if (args.Result.Text.ToUpper() == "打開B站")
            {
                await Launcher.LaunchUriAsync(new Uri(@"https://www.bilibili.com/"));
            }
            else if (args.Result.Text.ToUpper() == "撒個嬌")
            {
                ElectronBotHelper.Instance.ToPlayEmojisRandom();
            }
            else
            {
                try
                {
                    // 根據機器人客戶端工廠創建指定類型的處理程式 可以支持多種聊天API
                    var chatBotClientFactory = App.GetService<IChatbotClientFactory>();
    
                    var chatBotClientName = (await App.GetService<ILocalSettingsService>()
                         .ReadSettingAsync<ComboxItemModel>(Constants.DefaultChatBotNameKey))?.DataKey;
    
                    if (string.IsNullOrEmpty(chatBotClientName))
                    {
                        throw new Exception("未配置語音提供程式機密數據");
                    }
    
                    var chatBotClient = chatBotClientFactory.CreateChatbotClient(chatBotClientName);
                    //調用指定的實現獲取聊天返回結果
                    var resultText = await chatBotClient.AskQuestionResultAsync(args.Result.Text);
    
                    //isListening = false;
                    await ReleaseRecognizerAsync();
                    //調用文本轉語音併進行播放方法
                    await ElectronBotHelper.Instance.MediaPlayerPlaySoundByTTSAsync(resultText, false);      
                }
                catch (Exception ex)
                {
                    App.MainWindow.DispatcherQueue.TryEnqueue(() =>
                    {
                        ToastHelper.SendToast(ex.Message, TimeSpan.FromSeconds(3));
                    });
    
                }
            }
        }
        else
        {
        }
    }
    
  • 結果文本轉語音併進行播放,通過Windows.Media.SpeechSynthesis命名空間下的SpeechSynthesizer類,使用下麵的代碼可以將文本轉化成Stream。

      using SpeechSynthesizer synthesizer = new();
                // Create a stream from the text. This will be played using a media element.
    
                //將文本轉化為Stream
                var synthesisStream = await synthesizer.SynthesizeTextToStreamAsync(text);
    

    然後使用MediaPlayer對象進行語音的播報。

    
     /// <summary>
    /// 播放聲音
    /// </summary>
    /// <param name="content"></param>
    /// <returns></returns>
    public async Task MediaPlayerPlaySoundByTTSAsync(string content, bool isOpenMediaEnded = true)
    {
        _isOpenMediaEnded = isOpenMediaEnded;
        if (!string.IsNullOrWhiteSpace(content))
        {
            try
            {
                var localSettingsService = App.GetService<ILocalSettingsService>();
    
                var audioModel = await localSettingsService
                    .ReadSettingAsync<ComboxItemModel>(Constants.DefaultAudioNameKey);
    
                var audioDevs = await EbHelper.FindAudioDeviceListAsync();
    
                if (audioModel != null)
                {
                    var audioSelect = audioDevs.FirstOrDefault(c => c.DataValue == audioModel.DataValue) ?? new ComboxItemModel();
    
                    var selectedDevice = (DeviceInformation)audioSelect.Tag!;
    
                    if (selectedDevice != null)
                    {
                        mediaPlayer.AudioDevice = selectedDevice;
                    }
                }
                //獲取TTS服務實例
                var speechAndTTSService = App.GetService<ISpeechAndTTSService>();
                //轉化文本到Stream
                var stream = await speechAndTTSService.TextToSpeechAsync(content);
                //播放stream
                mediaPlayer.SetStreamSource(stream);
                mediaPlayer.Play();
                isTTS = true;
            }
            catch (Exception)
            {
            }
        }
    }
    

    至此一次完整的識別對話流程就結束了,軟體的界面如下圖,感興趣的同學可以點擊圖片查看項目源碼地址查看其他的功能:

    電子腦殼源碼鏈接

個人感悟

個人覺得DotNET的生態還是差了些,尤其是ML.NET的輪子還是太少了,畢竟參與的人少,而且知識遷移也需要成本,熟悉其他機器學習框架的人可能不懂DotNET。

所以作為社區的一員,我覺得我們需要走出去,然後再回來,走出去就是先學習其他的機器學習框架,然後回來用DotNET進行應用,這樣輪子多了,社區就會越來越繁榮。

我也能多多的複製粘貼大家的代碼了。

參考推薦文檔項目如下:


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 直觀的界面、出色的計算功能和圖表工具,使Excel成為最流行的個人電腦數據處理軟體。在獨立的數據包含的信息量太少,而過多的數據又難以理清頭緒時,製作成表格是數據管理的最有效手段之一。這樣不僅可以方便整理數據,還可以方便我們查找和應用數據。後期我們還可以對具有相似表格框架,相同性質的數據進行合併彙總... ...
  • 作者:張飛洪 來源:www.cnblogs.com/jackyfei/p/13862607.html 離職的心態 人們在辭退或者被辭退都會對原公司抱有意見,因為疫情,公司業務告急,工資發不出來,我也失去了工作。雖然情緒上難免會有波動,但是轉念一想,我應該用開心的心態來看待這次辭職,並希望能快速翻過這 ...
  • 1. 廣義線性模型 1.1 從簡單線性回歸開始 機器學習的任務是從已知的數據中提取知識, 從而完成對新數據的識別與預測, 即應用知識. 但是, 數據本身不會給予研究者想要的答案, 大多數時候人們很難通過觀察或者簡單的計算提取有用的結論. 為了從歷史數據中整合知識, 人們提出了"模型"這一概念, 認為 ...
  • 本文介紹基於Python中GDAL模塊,實現MODIS遙感影像數據的讀取、計算,並基於質量控制QC波段進行圖像掩膜的方法~ ...
  • 簡介 編程是一門藝術,就像繪畫和音樂一樣,需要創造力和想象力。編程的藝術在於它可以創造出獨特的、精美的、功能強大的程式。 在編程中,結構是一種重要的美學概念。好的結構可以使程式更加清晰、易於理解和維護。結構設計是通過分解問題和組織代碼來創造良好的程式結構的過程。 良好的程式結構需要滿足以下幾個方面: ...
  • 2023Java面試題最經典的問題之一了,非常經典的Java基礎知識,一定要學會! 在Java中,String類被設計成final,這意味著它的值在創建後不可更改。這是因為字元串在Java中使用廣泛,作為文本處理、網路通信等方面的核心數據類型。如果String類是可變的,那麼在使用時可能會出現安全問 ...
  • 最近發現一個不錯的免費開源學習項目:30天學會Python 如果您最近有學習Python的打算,不妨看看這個是否適合你? 項目地址:https://github.com/Asabeneh/30-Days-Of-Python 博客地址:https://blog.didispace.com/tj-30- ...
  • 最新版 IDEA 2022.3.2 中配置熱載入工具 DevTools 在SpringBoot開發調試中,如果我每行代碼的修改都需要重啟再調試,可能比較費時間;SpringBoot團隊針對此問題提供了spring-boot-devtools(簡稱devtools)插件,用此插件提升開發調試的效率。 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...